期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLOv8的煤矿输送带异物目标检测方法研究
被引量：
1
1
作者
吴胜
《选煤技术》
CAS
2024年第3期29-34,共6页
现有煤矿输送带异物目标检测方法所提出的网络结构复杂,而且选煤厂入煤工段和矿井运输工段的输送带光照强度低,存在粉尘等微小颗粒物的干扰,检测精度和检测效率均难以满足实际工况要求。为解决上述问题,文章构建了融合轻量化网络的改进Y...
现有煤矿输送带异物目标检测方法所提出的网络结构复杂,而且选煤厂入煤工段和矿井运输工段的输送带光照强度低,存在粉尘等微小颗粒物的干扰,检测精度和检测效率均难以满足实际工况要求。为解决上述问题,文章构建了融合轻量化网络的改进YOLOv8检测算法——YOLOv8-MobileNetV1。该模型以YOLOv8为基础,将传统的C2F卷积层替换为轻量化网络MobileNetV1来减少模型的参数量;将传统的空间金字塔池化层修改为大核金字塔池化层,以进一步提升模型的性能和泛化能力;同时融合CVH注意力机制模块来提高网络深层次信息的提取能力,从而提高煤矿输送带运输过程中的异物识别精度和检测效率。为验证该模型的有效性,自行构建了选煤厂和矿井输送带运输过程中常见异物(大块和锚杆)的数据集,并按照8∶1∶1的比例随机划分为训练集、验证集和测试集,从检测精度和检测效率两方面进行评价。实验结果表明:YOLOv8-MobileNetV1算法的大块和锚杆的目标检测精度为81.30%和89.46%,平均检测精度达到了85.38%,帧率为83.5 fps。相较于传统的目标检测算法,YOLOv8-MobileNetV1算法提高了煤矿输送带异物目标检测精度和检测效率,满足了实际工况所需的准确性和时效性,为煤矿安全生产做出了保障。
展开更多
关键词
异物目标
检测
煤矿输送带异物目标
检测
方法
改进YOLOv8
轻量化网络
注意力机制
平均检测精度
帧率
在线阅读
下载PDF
职称材料
基于SAW-PCL的输电线路缺销螺栓弱监督检测方法
2
作者
赵振兵
马迪雅
+3 位作者
丁洁涛
翟永杰
赵文清
张珂
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024年第11期3319-3326,共8页
螺栓作为输电线路中不可或缺的紧固件,其缺销必然会引起重大的安全隐患。针对螺栓目标较小、标注难度大的问题,提出了一种基于SAW-PCL的输电线路缺销螺栓弱监督检测方法。该方法通过图像级标注信息即可定位到螺栓目标。在主网络中引入...
螺栓作为输电线路中不可或缺的紧固件,其缺销必然会引起重大的安全隐患。针对螺栓目标较小、标注难度大的问题,提出了一种基于SAW-PCL的输电线路缺销螺栓弱监督检测方法。该方法通过图像级标注信息即可定位到螺栓目标。在主网络中引入卷积块注意模块(CBAM),抑制无用的背景特征,提取螺栓精细特征,提高螺栓的检测能力。针对弱监督检测中缺销螺栓的检测精度远低于正常螺栓及不平衡性问题,提出自适应加权损失函数(SAW),动态调节模型对不同类别样本的学习程度,均衡不同类别之间的检测精度,并定义了平均类间检测精度差(ADPD)来评价不平衡性。构建的自适应加权损失函数可以提升缺销螺栓的检测精度,对正常螺栓和缺销螺栓的检测精度有一定的均衡能力,定义的ADPD可以评价模型检测性能的平衡度。在自建数据集V1上的实验结果表明:改进方法的平均准确率均值(mAP)提高了19.7%,ADPD值降低了21.8,在mAP和ADPD双重指标评估下的模型表现出了更好的缺销螺栓检测能力。
展开更多
关键词
缺销螺栓
检测
弱监督
平均
类间
检测
精度
差
自适应加权损失函数
深度学习
在线阅读
下载PDF
职称材料
深度学习在绝缘子红外图像异常诊断的应用
被引量：
6
3
作者
范鹏
冯万兴
+3 位作者
周自强
赵淳
周盛
姚翔宇
《红外技术》
CSCD
北大核心
2021年第1期51-55,共5页
绝缘子的红外图像分析一般采用图像处理的方法,易受背景环境和数据量的影响,准确率和效率均较低,本文提出一种深度学习的异常诊断方法,基于改进的Faster R-CNN方法搭建检测网络,开展不同类型的绝缘子测试。研究结果表明:相对于神经网络(...
绝缘子的红外图像分析一般采用图像处理的方法,易受背景环境和数据量的影响,准确率和效率均较低,本文提出一种深度学习的异常诊断方法,基于改进的Faster R-CNN方法搭建检测网络,开展不同类型的绝缘子测试。研究结果表明:相对于神经网络(Back Propagation,BP)、Faster R-CNN方法,本文方法可高效地诊断出绝缘子的异常缺陷,平均检测精度达到90.2%;单I型和V型绝缘子的异常诊断准确率高于双I型绝缘子。研究结果可为输电线路绝缘子异常诊断提供一定的参考。
展开更多
关键词
绝缘子
异常诊断
深度学习
Faster
R-CNN
平均检测精度
红外图谱
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv8的煤矿输送带异物目标检测方法研究
被引量：
1
1
作者
吴胜
机构
盘江精煤股份有限公司火烧铺煤矿
出处
《选煤技术》
CAS
2024年第3期29-34,共6页
文摘
现有煤矿输送带异物目标检测方法所提出的网络结构复杂,而且选煤厂入煤工段和矿井运输工段的输送带光照强度低,存在粉尘等微小颗粒物的干扰,检测精度和检测效率均难以满足实际工况要求。为解决上述问题,文章构建了融合轻量化网络的改进YOLOv8检测算法——YOLOv8-MobileNetV1。该模型以YOLOv8为基础,将传统的C2F卷积层替换为轻量化网络MobileNetV1来减少模型的参数量;将传统的空间金字塔池化层修改为大核金字塔池化层,以进一步提升模型的性能和泛化能力;同时融合CVH注意力机制模块来提高网络深层次信息的提取能力,从而提高煤矿输送带运输过程中的异物识别精度和检测效率。为验证该模型的有效性,自行构建了选煤厂和矿井输送带运输过程中常见异物(大块和锚杆)的数据集,并按照8∶1∶1的比例随机划分为训练集、验证集和测试集,从检测精度和检测效率两方面进行评价。实验结果表明:YOLOv8-MobileNetV1算法的大块和锚杆的目标检测精度为81.30%和89.46%,平均检测精度达到了85.38%,帧率为83.5 fps。相较于传统的目标检测算法,YOLOv8-MobileNetV1算法提高了煤矿输送带异物目标检测精度和检测效率,满足了实际工况所需的准确性和时效性,为煤矿安全生产做出了保障。
关键词
异物目标
检测
煤矿输送带异物目标
检测
方法
改进YOLOv8
轻量化网络
注意力机制
平均检测精度
帧率
Keywords
detection of foreign object
method for detection of foreign objects on belt conveyor
improved YOLOv8
lightweight network
attention mechanism
average detection accuracy
frame rate
分类号
TD948.7 [矿业工程—选矿]
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于SAW-PCL的输电线路缺销螺栓弱监督检测方法
2
作者
赵振兵
马迪雅
丁洁涛
翟永杰
赵文清
张珂
机构
华北电力大学电气与电子工程学院
华北电力大学河北省电力物联网技术重点实验室
华北电力大学复杂能源系统智能计算教育部工程研究中心
河北远东通信系统工程有限公司
华北电力大学控制与计算机工程学院
出处
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024年第11期3319-3326,共8页
基金
国家自然科学基金(61871182,U21A20486)
河北省自然科学基金(F2020502009,F2021502008,F2021502013)。
文摘
螺栓作为输电线路中不可或缺的紧固件,其缺销必然会引起重大的安全隐患。针对螺栓目标较小、标注难度大的问题,提出了一种基于SAW-PCL的输电线路缺销螺栓弱监督检测方法。该方法通过图像级标注信息即可定位到螺栓目标。在主网络中引入卷积块注意模块(CBAM),抑制无用的背景特征,提取螺栓精细特征,提高螺栓的检测能力。针对弱监督检测中缺销螺栓的检测精度远低于正常螺栓及不平衡性问题,提出自适应加权损失函数(SAW),动态调节模型对不同类别样本的学习程度,均衡不同类别之间的检测精度,并定义了平均类间检测精度差(ADPD)来评价不平衡性。构建的自适应加权损失函数可以提升缺销螺栓的检测精度,对正常螺栓和缺销螺栓的检测精度有一定的均衡能力,定义的ADPD可以评价模型检测性能的平衡度。在自建数据集V1上的实验结果表明:改进方法的平均准确率均值(mAP)提高了19.7%,ADPD值降低了21.8,在mAP和ADPD双重指标评估下的模型表现出了更好的缺销螺栓检测能力。
关键词
缺销螺栓
检测
弱监督
平均
类间
检测
精度
差
自适应加权损失函数
深度学习
Keywords
pin-missing bolt detection
weak supervision
average detection precision difference among classes
self-adaptation weighted loss function
deep learning
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
深度学习在绝缘子红外图像异常诊断的应用
被引量：
6
3
作者
范鹏
冯万兴
周自强
赵淳
周盛
姚翔宇
机构
南瑞集团(国网电力科学研究院)有限公司
国网电力科学研究院武汉南瑞有限责任公司
出处
《红外技术》
CSCD
北大核心
2021年第1期51-55,共5页
基金
国网电力科学研究院有限公司科技项目(524625190054)。
文摘
绝缘子的红外图像分析一般采用图像处理的方法,易受背景环境和数据量的影响,准确率和效率均较低,本文提出一种深度学习的异常诊断方法,基于改进的Faster R-CNN方法搭建检测网络,开展不同类型的绝缘子测试。研究结果表明:相对于神经网络(Back Propagation,BP)、Faster R-CNN方法,本文方法可高效地诊断出绝缘子的异常缺陷,平均检测精度达到90.2%;单I型和V型绝缘子的异常诊断准确率高于双I型绝缘子。研究结果可为输电线路绝缘子异常诊断提供一定的参考。
关键词
绝缘子
异常诊断
深度学习
Faster
R-CNN
平均检测精度
红外图谱
Keywords
insulator
abnormal diagnosis
deep learning
Faster R-CNN
mAP
infrared image
分类号
TN219 [电子电信—物理电子学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLOv8的煤矿输送带异物目标检测方法研究
吴胜
《选煤技术》
CAS
2024
1
在线阅读
下载PDF
职称材料
2
基于SAW-PCL的输电线路缺销螺栓弱监督检测方法
赵振兵
马迪雅
丁洁涛
翟永杰
赵文清
张珂
《北京航空航天大学学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
深度学习在绝缘子红外图像异常诊断的应用
范鹏
冯万兴
周自强
赵淳
周盛
姚翔宇
《红外技术》
CSCD
北大核心
2021
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
